Data Mining mit Rapidminer im

Direktmarketing – ein erster Versuch

Hasan Tercan und Hans-Peter Weih

Motivation und Ziele des Projekts

• Anwendung von Data Mining im Versicherungssektor

• Unternehmen: Standard Life Versicherung

• Produkte für Altersvorsorge und Investment

• Themengebiet: jährliche Direktmarketing-Kampagne

• Ausgewählte Kunden bekommen Anschreiben mit dem Angebot einer

steuerbegünstigten Zuzahlung in ihren Vertrag

• Motivation: Optimierung der Kundenselektion für Kampagne anhand

Data Mining (bisher anhand Expertenwissen und „Trial-and-Error“)

2

Erfolg der Aktionen 2010 bis 2013

• Ziele des Projekts:

• Implementierung eines erfolgreichen Data Mining Prozesses

• Reduktion Kosten der Kampagne (Anzahl der Briefe)

• Erhöhung der Rücklaufquote

• Erhöhung des Profits

3

Jahr Anschreiben Zuzahlungen Quote

2013 27.508 1.645 5,98%

2012 20.836 1.393 6,69%

2011 22.059 1.250 5,67%

2010 15.994 1.295 8,10%

Data Mining

• Rechnergestützte Verfahren zur Analyse von großen Datenbeständen

• Ziel: verstecktes Wissen aus Datenbeständen zu extrahieren. Finden

von Mustern, die

• bislang unbekannt,

• potenziell nützlich und

• leicht verständlich sind

• Data Mining als Prozess der Wissensentdeckung in Datenbanken

(inkl. Aufbereitung der Daten und Evaluation der Resultate)

4

Data Mining Prozess (KDD)

1. Auswahl des relevanten Datenbestandes (z.B. Vertragsdaten, Kundendaten)

2. Datenbereinigung und Vorverarbeitung (z.B. durch Korrektur und Ergänzung)

3. Datentransformation und Datenreduktion: Konstruktion des Finalen Datensatzes (z.B. durch Typ-

Konversion, Filtern)

4. Anwendung von Data Mining Algorithmen

5. Interpretation und Evaluation des gefundenen Modells.

5

Data Mining Tools - Rapidminer

• Open Source Tools: KNIME, WEKA, Rapidminer

• Rapidminer Studio:

• Version 5.3 (Open-Source)

• Version 6 (Kommerziell)

• Rapidminer unterstützt den Data Mining Prozess und implementiert

viele Methoden der einzelnen Phasen.

• Anwendung eins WEKA Plug-Ins in Rapidminer möglich

6

Rapidminer - Ansicht

7

Rapidminer Prozess

• Operatoren für Datenverarbeitung, Modellentwicklung und Evaluation

• Bilden eines Knowledge-Flows

8

Klassifikationsproblem Marketingaktion

• Bilden von Klassifikationsmodellen auf folgenden Daten

• Vorherige Aktionsdaten (2011-2013)

• Kunden- und Vertragsdaten

• 2 Klassen von Kunden: Zuzahlung & Nicht-Zuzahlung

• Benutze das beste Modell, um Kunden für künftige Aktion (Jahr

2014) zu klassifizieren (Prognose ja/nein)

9

Schritt 1: Auswahl Datenbestand

• Sammlung und Verknüpfen geeigneter Daten aus dem Bestand

• Kunde (sozio-geographische Daten)

• Vertrag

• Transaktionen (z.B. Historie der getätigten Zuzahlungen)

• Externe Daten

• Ausführung mit ETL-Tool in unserem Data Warehouse

• Resultat: eine große Datenmenge

• Tausende Datensätze für jeweils angeschriebene Kunden

• 33 Attribute: 8 binäre, 13 nominelle, 12 numerische

• Eine binäre Klasse „Response“ (Zuzahlung/nicht-Zuzahlung)

10

Voranalyse der Daten

• Initiale Analyse des Datensatzes

mit Rapidminer

• Statistiken der Attribute

• Verteilung der Klasseninstanzen

• Scatter-Plots

• Erweiterte Charts

11

Schritte 2-3: Aufarbeitung und

Transformation

• Säubern fehlerhafter Werte und Ergänzen fehlender Werte

Hilfreich: hohe Datenqualität im Data Warehouse von Standard Life

• Konvertierung von Datentypen (z.B. Diskretisierung)

• Datenreduktion

• Entfernung von Datensätzen (z.B. Sampling)

• Entfernung irrelevanter Attribute

12

Balancierung der Klassen in Trainingsdaten

• Under-Sampling

• Instanzen der häufigeren Klasse werden von Trainingsmenge entfernt

Anzahl der Instanzen insgesamt reduziert

• Over-Sampling

• Instanzen der selteneren Klasse werden vervielfacht

Anzahl der Instanzen insgesamt erhöht

• Gewichtung der Instanzen

• Jede Instanz bekommt eine Gewichtung

• Seltenere Klasse bekommt höheres Gewicht wie Häufige

13

Attribut-Selektion (Wrapper Ansatz)

• Einbindung des Klassifikationsalgorithmus in die Attribut-Auswahl

• Auswahl der optimalen Teilmenge von Attributen für Modell

• Zwei Verfahren getestet: Backward Elimination und Forward Selection

14

Schritt 4: Klassifikationsmodelle

• Entscheidungsbaum

• Regelmenge

• Random Forest

• Lineare und Nicht-lineare Modelle

• Logistische Regression

• Support Vector Machine

• Neuronales Netze (ANN)

• Statistische Modelle

• Naive-Bayes

• Bayesian Netzwerk

15

Schritt 5: Evaluierung

16

• Wie gut funktioniert die Vorhersage?

• Gelerntes Modell wird auf einer Testmenge evaluiert.

• Testmenge <> Trainingsmenge!!!

• Modell klassifiziert jede Instanz der Testmenge

• Vergleich der Klassifikation mit „realem“ Ergebnis in Testmenge

Metriken zur Evaluierung: ROC/AUC

• Modellvorhersage: Wahrscheinlichkeit für Zuzahlung eines Kunden

• ROC-Performance

• Wie gut unterscheidet Modell zwischen Zuzahlern und Nicht-Zuzahlern?

(Wahr-Positiv-Rate zu Falsch-Positiv-Rate)

• Alternative Metrik: Area Under the Curve (AUC)

17

Experimentelle Vorgehensweise

18

Erste Ergebnisse ohne Datenreduktion

Model Tool AUC

Bayesian Netz WK 0,909

Logistische Regression WK 0,905

Logistische Regression RM 0,897

Naiver Bayes RM 0,886

Random Forest WK 0,885

Neuronales Netz RM 0,879

Random Forest RM 0,863

Support Vector Machine RM 0,86

Entscheidungsbaum RM 0,82

Entscheidungsbaum WK 0,807

Regelmenge WK 0,792

Regelmenge RM 0,5

• Modelle für Wahrscheinlichkeit

funktionieren besser

• Weka Algorithmen führen zu

besseren Resultaten

• Regelmenge leidet unter

unausgewogenen Klassen

19

Einfluss von Balancierung der Klassen

(AUC)

20

Einfluss von Attributselektion (AUC)

21

Ergebnisse optimierter Modelle

• Statistische Modelle am

Besten

• Bestes Modell

Naive Bayes

• Unterschiedliche

Vorverarbeitung für die

Modelle hilfreich

Model Tool Attribut

Selektion

Balance AUC

Naiver Bayes RM BE - 0.919

Bayesian Netz WK BE - 0,917

Log. Regression WK BE - 0,913

Log. Regression RM FS US 0,913

ANN RM FS, IW 0,91

SVM RM FS US 0.906

Random Forest RM - US 0,904

Regelmenge RM FS US 0,897

Random Forest RM - IW 0,895

Regelmenge WK BE IW 0,886

Entscheidungsbaum WK FS IW 0,881

Entscheidungsbaum RM FS IW 0,88

BE = Backward Elimination, FS = Forward Selection

US = Undersampling, IW = Instance Weighting

22

ROC-Kurve des naiven Bayes

23

ROC-Kurven ausgewählter Modelle

24

Ökonomischer Nutzen

• Frage: bringt das naive-Bayes Modell einen ökonomischen Nutzen?

Kosten-Nutzen-Analyse notwendig!

• Wirtschaftliche Daten zur Aktion 2013 (ohne Modell)

• Kosten der Aktion

• Fixkosten: ca. 5.300 €

• Variable Kosten: ca. 1 €/Brief

• Umsatz der Aktion

• ca. 100 €/Zuzahlung

• Reiner Gewinn: 131.692 €

• Beachte: diese Zahlen entsprechen nicht dem realen Kosten-

Nutzen-Verhältnis

25

Lift Chart vom Modell in Rapidminer

26

Kosten-Nutzen Analyse Gewinnkurve mit und ohne naivem Bayes Klassifizierer

27

Erfolg von Data Mining anhand Aktion 2013

Naiver Bayes Ohne Modell

Anschreiben 12.773 27.508

Zuzahlungen 1.563 1.645

Rücklaufquote 12,24% 5,98%

Fixe Kosten 5.300 € 5.300 €

Variable Kosten 12.773 € 27.508 €

Umsatz 156.300 € 164.500 €

Reiner Gewinn 138.227 € 131.692 €

• Mit naive Bayes: Kosten reduziert, Rücklaufquote erhöht und Gewinn

erhöht

28

Erkenntnisse

• Data Mining kann erfolgreich im Unternehmen eingesetzt werden

• Voraussetzung: Data Mining Prozess mit geeigneten Methoden

zur Datenaufbereitung und Evaluierung

• Daten über Kundenverhalten und Vertrag wichtiger als sozio-

geographische Informationen

• Attribut Selektion und Balancierung bringen große Verbesserungen

• Open-Source Tool (Rapidminer) unterstützt den Data Mining Prozess

• Umfangreiche und flexible Gestaltung

• Keine Programmierung notwendig

• Dennoch: tiefes Verständnis für Data Mining nötig

29

Kontakte & Literatur

Hans-Peter Weih

• Dipl.-Informatiker

• Leiter Management Information

• Bei Standard Life seit 1998

• hanspeter.weih@standardlife.de

Hasan Tercan

• M. Sc. Informatik

• Seit 2015 Business Specialist bei

Standard Life

• hasan.tercan@standardlife.de

30

Literatur • Rapidminer Buch mit vielen Use-Cases (von Markus Hofmann und Ralf

Klinkenberg): http://rapidminerbook.com/

• Rapidminer Vortrag auf der letztjährigen OSBI-Konferenz (von Ralf Klinkenberg): http://www.osbi-workshop.de/wordpress/wp-

content/uploads/2014/05/RapidMiner__Predictive_Big_Data_Analytics_for_Extracting_Actiona

ble_Insights__Applications_in_Manufacturing.pdf

Rechenleistung & Laufzeiten

• Hardware Spezifikation

• Office PC mit Windows 7 Enterprise

• CPU: Intel i7 (Quad-Core) 3,40 GHz

• RAM: 16,0 GB

• Min. und max. Laufzeiten für Algorithmen auf vollem Datensatz

• Naiver-Bayes: ca. 5 Sekunden

• Neuronales Netz (ANN) : ca. 7 Minuten

Bei Attributselektion mit hunderten Läufen eines ANN: mehrere Stunden

Laufzeit

31